「人脸识别」学习FaceNet(1)

快速上手项目1:基于FaceNet的人脸识别项目 阅读详情

由于是第一次做 人脸识别,自己摸索,本来师兄是叫我先看MTCNN,不知道怎么回事蹦到了FaceNet了。不过先拿FaceNet做识别出个baseline吧。

CODE_HOME github

Train a classifier on own images

因为完全不知道怎么开始,所以先按照原本流程走一边。按照LFW的训练步骤:

安装依赖项

In the below description it is assumed that
a) Tensorflow has been  installed , and
b) the Facenet  repo  has been cloned, and

c) the required python modules has been installed.

下载LFW数据集

wget http://vis-www.cs.umass.edu/lfw/lfw.tgz

解压到 facenet\data\lfw

处理数据(校准/对齐 将数据修剪到与预训练模型使用的数据集一致大小)

1.配置路径 

export PYTHONPATH=/home/hszc/Desktop/ZHIHUICHENGSHI/version1/facenet/src

不配置得话会报错

ImportError: No module named facenet

2.处理数据

cd facenet
python src/align/align_dataset_mtcnn.py data/lfw/ data/lfw_160 --image_size 160 --margin 32 --random_order --gpu_memory_fraction 0.25

注意这里!

data/lfw                        #输入图像文件夹
data/lfw_160                   #输出图像文件夹
--image_size 160 --margin 32 --random_order--gpu_memory_fraction 0.25       #指定裁剪后图像大小(如果不指定,默认的裁剪结果是182*182像素的)


下载预训练模型  (能翻墙就直接点击 后面上传网盘链接)

Download and extract the model and place in your favorite models directory (in this example we use ~/models/facenet/). After extracting the archive there should be a new folder 20180402-114759with the contents

20180402-114759.pb
model-20180402-114759.ckpt-275.data-00000-of-00001
model-20180402-114759.ckpt-275.index
model-20180402-114759.meta

运行测试

python src/validate_on_lfw.py data/lfw_160 /home/hszc/Desktop/ZHIHUICHENGSHI/version1/facenet/models/facenet/20180402-114759

模型路径 : 绝对路径!

运行结果:

Rnnning forward pass on LFW images
............
Accuracy: 0.98500+-0.00658
Validation rate: 0.90100+-0.02395 @ FAR=0.00067
Area Under Curve (AUC): 0.998
Equal Error Rate (EER): 0.016
2018-06-17 12:42:08.080002: W t

在输出文件夹中多了两个文件,其中有一个是------- bounding_boxes_47735。



参考:

https://github.com/davidsandberg/facenet/wiki/Validate-on-lfw

https://www.cnblogs.com/dyufei/p/8250484.html


yolov5人脸识别(yolov5-facenet-svm) yolov5出来的这段时间,挺火,自己试着跑了以下,速度精度确实不错,相比yolov3性能要高,相比yolov4这个咱不敢说。以下用yolov5做一个人脸识别的demo。 一、yolov5 yolov5的原理这个就不介绍了,网上一查一大堆,github官方源码地址https://github.com/ultralytics/yolov5 现在来谈谈yolov5在这个人来能识别demo中的作用(框出人脸): 怎么才能框出人脸呢,yolov5官方预训练权重只能框出整个人,要想框出人脸只能在其基础之上再训练,训练 阅读详情

相关推荐

FaceNet实现人脸识别----自己训练数据集并测试

FaceNet(A Unified Embedding for Face Recognition and Clustering)是一种基于深度学习的人脸识别技术,能够将人脸图像转化为高维特征向量,并通过计算特征向量之间的距离关系来进行准确的人脸比对和识别。本教程着重在于如何使用FaceNet来训练自己的数据集(以本人识别为例),并进行简单的测试。有关原理在之后课程介绍。使用FaceNet训练自己的数据集要经过以下步骤: 配置环境方面采用keras=2.3.0、mtcnn=0.1.1、sklearn.anac

m0_67241828的博客 1万+

运行python开源图像识别代码报错解决方法

1、no moudle named dlib 解决方法: 下载dlib: https://pypi.org/project/dlib/19.6.0/#files 然后安装dlib(一定要到dlib文件的下载路径中去安装) pip install dlib-19.6.0-cp36-cp36m-win_amd64.whl 2、ImportError: cannot import name '_validate_lengths’ 解决方法: 出现上述错误的原因是由于在安装其他库的过程中,numpy库的版本变了

weixin_43978056的博客 2633

基于FaceNet的人脸识别

人脸识别是一项计算机视觉任务,它根据人脸照片识别和验证人。FaceNet 是谷歌研究人员于 2015 年开发的人脸识别系统,该系统在一系列人脸识别基准数据集上取得了当时最先进的结果。由于模型的多个第三方开源实现和预训练模型的可用性,FaceNet 系统可以被广泛使用。FaceNet 系统可用于从人脸中提取高质量特征,称为人脸嵌入,然后可用于训练人脸识别系统。通过本实验,您将了解如何使用 FaceNet和SVM分类器开发人脸检测系统,以从照片中识别人物。

需要远程指导仿真实验、代码有问题的,请后台私信或者关注公众号 1819

当发现ModuleNotFoundError: No module named 'nets',我告诉你怎么办

在使用TensorFlow Object Detection API 时,即在*/research下运行命令“python object_detection/builders/model_builder_test.py”时,出现“ModuleNotFoundError: No module named ‘nets’”错误,搜索了国内外的很多帖子,最后本人问题解决的办法是: 1删除*/researc...

qq_37644877的博客 1万+

基于MTCNN+FaceNet的人脸识别(附keras实现代码)

目录前言一、人脸识别技术相关概念二、MTCNN算法三、FaceNet四、人脸识别试验 前言 最近想玩一玩人脸识别,于是就弄了弄呀,代码在最后一节。 一、人脸识别技术相关概念 1、人脸检测 检测出图像中人脸所在位置,输出就是框好人脸位置的图片 2、人脸配准 人脸配准算法的输入是“一张人脸图片”加“人脸坐标框”,输出五官关键点的坐标序列。五官关键点的数量是预先设定好的一个固定数值,可以根据不同的语义来定义(常见的有5点、68点、90点等等,通过关键点将五官轮廓框出)。 3、人脸对齐 由于原始图像中的人脸可能

小样yx的博客 3439

深度学习实战(五) 基于MTCNN和Facenet的视频流人脸识别实战

前言: 本文开发的是一个完整的视频流人脸识别系统,主要流程如下: 首先,通过openCV抓取摄像头的视频流 第二,通过MTCNN对每帧图片进行人脸检测和对齐,当然考虑到效率我们可以每n个间隔帧进行一次检测 第三,通过facenet预训练模型对第二步得到的人脸进行512维的特征值提取 第四,收集目标数据集来训练自己的分类模型 第五,将第三部得到的512维的特征值作为第四部的输入,然后输出...

小T是我 1万+

【TensorFlow】facenet使用标记(Anaconda环境下)

参考:FMDangel 的 https://blog.youkuaiyun.com/qq_15192373/article/details/78693037 感谢~ 一、前提条件: 1.已安装Tensorflow 2.已安装下列包(二选一): a.python下安装scipy, scikit-learn, opencv-python, h5py, matplotlib, Pi...

挑灯羁危 996

视觉识别入门之人脸识别——基于FACENET的高精度人脸识别

视觉识别入门之人脸识别———— 基于FACENET的高精度人脸识别 一:项目展示: - 这是实时视频读取的展示,是可以读单张图片,或者本地视频流,抑或是实时人脸检测与分类的,至于我为什么不展示我的自拍,主要原因是因为太丑了hhhh 本文中我吧我暂且把我的模型称作为:孩子,因为机器学习,深度学习,实际是一个拟人的过程,通俗的说,就是我们的小时候,什么都不会,妈妈一个一个教你认字,久而久之,你就认识...

cv君的博客 2万+

Facenet初探

本文主要描述如何使用FaceNet验证在数据集LFW的人脸检测效果。 一、前提条件 1.已安装Tensorflow 2.已在安装下列包(二选一):     a.python下安装 scipy, scikit-learn, opencv-python, h5py, matplotlib, Pillow, requests, psutil     b.安装Anaconda

梦Dancing的博客 1万+

Python-Facenet用于使用pytorch进行人脸识别

Facenet用于使用pytorch进行人脸识别

2025年一篇解决Windows11安装医学图像处理工具-FSL(各种问题解决,过程详细,小白轻松安装)

2025年一篇帮你解决FSl安装所有问题,包括环境安装、使用说明、常见问题,过程简单易懂,小白轻松安装。

weixin_52145255的博客 2519

No module named ‘pytorch‘可能原因之一

但是import torch导入之后就会报错:No module named 'pytorch',我尝试过网上很多方法,什么安装路径问题都检查了一遍,发现没有问题。最后我对照了别人安装的pytorch包和我自己安装的pytorch包,我发现我安装的pytorch缺少pytorchvision相关的两个文件夹,只有前两个文件夹。当时我安装了老版本的pytorch0.3.1,由于官网没有相应的安装包,所以我利用其他人给的包进行安装。启示:当出现安装问题时,有以下思路。2:检查安装版本是不是合适。

QuChongqi的博客 1661

Blender骨骼绑定实战:如何用IK控制器让角色动作更自然(附常见问题解决)

本文深入探讨了Blender中IK控制器的实战应用,旨在解决角色动作僵硬问题。通过对比IK与FK的核心差异,详细解析了IK链的构建、参数设置及极向目标的使用,并提供了控制器定制、IK/FK无缝切换等高级技巧,帮助动画师实现更自然、符合直觉的角色动画。

weixin_29243279的博客 437

聪明的人脸识别3——Pytorch 搭建自己的Facenet人脸识别平台

神经网络学习小记录55——Pytorch 搭建自己的facenet人脸识别平台学习前言什么是facenet源码下载facenet的实现思路一、预测部分1、主干网络介绍2、根据特征获得128维特征向量3、l2标准化二、训练部分1、数据集介绍2、LOSS组成训练自己的facenet人脸识别 学习前言 好的还有Pytorch版。 什么是facenet 谷歌人脸检测算法,发表于 CVPR 2015,利用相同人脸在不同角度等姿态的照片下有高内聚性,不同人脸有低耦合性,提出使用 cnn + triplet minin

Bubbliiiing的学习小课堂 5万+

从零搭建AMESim与Matlab/Simulink联合仿真环境(2024版软件配置详解)

本文详细介绍了2024年最新版AMESim与Matlab/Simulink联合仿真环境的搭建与配置方法。从软件安装顺序、路径设置到编译器配置,逐步指导如何实现高效联合仿真,特别强调了版本兼容性和环境变量设置等关键细节,帮助工程师快速解决常见问题并优化仿真性能。

weixin_42538752的博客 735

从Demo到产品:基于ADAU1452的ANC方案,硬件选型、性能优化与避坑指南

本文详细解析了基于ADAU1452的主动降噪(ANC)方案从Demo到产品的实现路径,涵盖硬件选型、性能优化与实战避坑指南。重点探讨了ADAU1452与ADAU1466的性能差异、编解码器选型策略,以及MFXLMS算法优化技巧,为工程师提供从理论验证到量产落地的系统级解决方案。

weixin_30542079的博客 451

聪明的人脸识别1——Keras 搭建自己的Facenet人脸识别平台

神经网络学习小记录54——keras搭建自己的facenet人脸识别平台学习前言什么是facenet源码下载facenet的实现思路一、预测部分1、主干网络介绍2、BiFPN加强特征提取3、从特征获取预测结果4、预测结果的解码5、在原图上进行绘制二、训练部分1、真实框的处理2、利用处理完的真实框与对应图片的预测结果计算loss训练自己的Efficientdet模型 学习前言 最近又学了我最喜欢的retinaface,可是光有人脸有啥用啊,咱得知道who啊,于是开始了解了一下facenet! 什么是face

Bubbliiiing的学习小课堂 1万+

LLM - windows下的Dify离线部署:从镜像打包到无网环境部署(亲测,包含插件部署)

LLM - windows下的Dify离线部署:从镜像打包到无网环境部署(亲测,包含插件部署)

ocean00008899的博客 1285

聪明的人脸识别4——Pytorch 利用Retinaface+Facenet搭建人脸识别平台

睿智的目标检测51——Pytorch 利用Retinaface+Facenet搭建人脸识别平台学习前言什么是Retinface和Facenet1、Retinface2、Facenet整体实现代码实现流程一、数据库的初始化二、检测图片的处理1、人脸的截取与对齐2、利用Facenet对矫正后的人脸进行编码3、将实时图片中的人脸特征与数据库中的进行比对4、图片绘制使用Retinaface+Facenet进行人脸识别: 学习前言 我又死了我又死了我又死了! 什么是Retinface和Facenet 1、Retin

Bubbliiiing的学习小课堂 2万+

营销反作弊之 异常行为分析模型(一),附带python代码

通过对用户行为进行深入的分析,识别出与常规模式不符的异常行为,可以有效检测并阻止虚假广告点击、刷单、点击欺诈等欺诈行为。本文将详细探讨营销反欺诈中异常行为分析的方法,介绍如何通过数据采集、清洗、行为建模与异常检测,准确识别潜在的欺诈行为,并提供 Python 实现代码示例。**监督学习 (Supervised Learning):**在标注数据的帮助下,训练机器学习模型使其能预测未知数据的结果。营销反欺诈异常行为分析的整体流程涉及多个环节,确保通过对用户行为的深入分析,及时识别潜在的欺诈行为。

viviwiky的博客 1230

060、模型蒸馏:把扩散模型压进单步的魔法

《端侧文生图模型蒸馏实战:从32步到1步的优化之道》摘要:针对边缘设备部署难题,本文分享了扩散模型蒸馏的核心经验。通过重构损失函数(感知损失+对抗训练+KL散度)、优化采样轨迹截取策略和改造学生模型架构,成功将Stable Diffusion压缩至单步推理。关键发现包括:小批量训练更有效、标签平滑保障生成多样性、双模型策略平衡质量与速度。在Cortex-A53芯片上实现300ms内生成,内存占用控制在200MB以下。特别强调工业部署需权衡压缩率与稳定性,建议保留迭代模式开关以适配不同场景需求。

2601_95651806的博客 149

利用MTCNN和facenet实现人脸检测和人脸识别

利用MTCNN和facenet实现人脸检测和人脸识别 人脸检测和人脸识别技术算是目前人工智能方面应用最成熟的技术了。本博客将利用mtcnn和faceNet搭建一个实现人脸检测和人脸识别的系统。基本思路也很简单,先利用mtcnn的进行人脸检测,当然也可以使用其他的人脸检测方法,如Dilb,OpenCV,OpenFace人脸检测等等,然后再利用faceNet进行人脸识别,faceNet可简单...

AI吃大瓜的博客 6万+

【行为决策模块项目实战】解耦控制--多控制器管理与切换的方法(附C++代码)

[请添加图片描述](https://img-blog.csdnimg.cn/c11300d9e4fe421e9070f474a468d1db.jpeg)本文先对多控制器管理与切换的方法做个简单的介绍,具体内容后续再更,其他模块可以参考去我其他文章提示:以下是本篇文章正文内容VERTICAL_VEL, //垂直速度PID控制器VERTICAL_POS, //垂直位置PID控制器HORIZONTAL, //水平速度PID控制器YAW, //航向角yaw位置逻辑控制器。

qq_35635374的博客 1211

聪明的人脸识别2——Keras 利用Retinaface+Facenet搭建人脸识别平台

睿智的目标检测50——Keras 利用Retinaface+Facenet搭建人脸识别平台学习前言什么是Retinface和Facenet1、Retinface2、Facenet整体实现代码实现流程一、数据库的初始化二、检测图片的处理1、人脸的截取与对齐2、利用Facenet对矫正后的人脸进行编码3、将实时图片中的人脸特征与数据库中的进行比对4、图片绘制使用Retinaface+Facenet进行人脸识别: 学习前言 我又死了我又死了我又死了! 什么是Retinface和Facenet 1、Retinfa

Bubbliiiing的学习小课堂 1万+

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

聪明的人脸识别5——Tensorflow2 搭建自己的Facenet人脸识别平台

聪明的人脸识别5——Tensorflow2 搭建自己的Facenet人脸识别平台学习前言什么是Facenet源码下载Facenet的实现思路一、预测部分1、主干网络介绍2、根据初步特征获得长度为128的特征向量3、l2标准化4、构建分类器(用于辅助Triplet Loss的收敛)二、训练部分1、数据集介绍2、LOSS组成训练自己的Facenet人脸识别算法 学习前言 最近又学了我最喜欢的retinaface,以前也了解过facenet,但是没有训练过,可以去学习一下! 什么是Facenet 谷歌人脸识别算

Bubbliiiing的学习小课堂 8027

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

人脸识别系统FaceNet原理

引入 随着深度学习的出现,CV领域突破很多,甚至掀起了一股CV界的创业浪潮,当次风口浪尖之时,Google岂能缺席。特贡献出FaceNet再次刷新LFW上人脸验证的效果记录。 本文是阅读FaceNet论文的笔记,所有配图均来自于论文。 转载请注明:http://blog.youkuaiyun.com/stdcoutzyx/article/details/46687471 FaceNet 与其他的深度学习方法在人脸上的应用不同,FaceNet并没有用传统的softmax的方式去进行分类学习,然后抽取其中某一层作为特征,而

null的专栏 1万+

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

上一篇: 学习TensorFlow(1)
下一篇: 「人脸识别」学习FaceNet(2)
yvette_yu
博客等级 码龄10年 10粉丝 14原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值